Esta semana en IA, 31 de julio de 2023

Esta semana en IA - 31 de julio de 2023

 

Bienvenido a la primera edición de “This Week in AI” en VoAGI. Esta publicación semanal seleccionada tiene como objetivo mantenerlo al tanto de los desarrollos más interesantes en el mundo en constante avance de la inteligencia artificial. Desde titulares revolucionarios que dan forma a nuestra comprensión del papel de la IA en la sociedad hasta artículos que hacen reflexionar, recursos de aprendizaje perspicaces e investigaciones destacadas que empujan los límites de nuestro conocimiento, esta publicación brinda una visión general completa del panorama actual de la IA. Sin entrar en detalles por el momento, espere explorar una plétora de temas diversos que reflejan la naturaleza vasta y dinámica de la IA. Recuerde, esta es solo la primera de muchas actualizaciones semanales que vendrán, diseñadas para mantenerlo actualizado e informado en este campo en constante evolución. ¡Esté atento y disfrute de la lectura!

 

Titulares

  La sección de “Titulares” analiza las principales noticias y desarrollos de la semana pasada en el campo de la inteligencia artificial. La información abarca desde políticas gubernamentales sobre IA hasta avances tecnológicos e innovaciones corporativas en IA.

• AI Equipaje para Personas con Discapacidad Visual Recibe Excelentes Críticas
• ¡Ahora puedes ver la Cumbre de IA Generativa a pedido aquí!
• ¿SEER ¿Un avance en los modelos de visión por computadora con autoaprendizaje?

💡 Titanes de la IA se comprometen con la innovación responsable bajo la Administración Biden-Harris

La Administración Biden-Harris ha asegurado compromisos voluntarios de siete destacadas empresas de IA: Amazon, Anthropic, Google, Inflection, Meta, Microsoft y OpenAI, para garantizar el desarrollo seguro, transparente y confiable de la tecnología de IA. Estos compromisos subrayan tres principios fundamentales para el futuro de la IA: seguridad, confiabilidad y transparencia. Las empresas se han comprometido a realizar pruebas de seguridad internas y externas de sus sistemas de IA antes de su lanzamiento, compartir información sobre la gestión de los riesgos de la IA e invertir en ciberseguridad. También se comprometen a desarrollar mecanismos técnicos para garantizar que los usuarios sepan cuándo el contenido es generado por IA y a informar públicamente sobre las capacidades, limitaciones y áreas de uso apropiado e inapropiado de sus sistemas de IA. Este movimiento forma parte de un compromiso más amplio de la Administración Biden-Harris para garantizar que la IA se desarrolle de manera segura y responsable, y para proteger a los estadounidenses de daños y discriminación.

  💡 Stability AI presenta Stable Beluga: los nuevos titanes de los modelos de lenguaje

Stability AI y su laboratorio CarperAI han anunciado el lanzamiento de Stable Beluga 1 y Stable Beluga 2, dos modelos de lenguaje grandes (LLM) de acceso abierto y de gran potencia. Estos modelos, que demuestran una capacidad excepcional de razonamiento en diversos puntos de referencia, se basan en los modelos base originales LLaMA 65B y LLaMA 2 70B respectivamente. Ambos modelos fueron ajustados con un nuevo conjunto de datos generado sintéticamente utilizando Suprevised Fine-Tune (SFT) en formato Alpaca estándar. El entrenamiento de los modelos Stable Beluga se inspiró en la metodología utilizada por Microsoft en su artículo: “Orca: Progressive Learning from Complex Explanation Traces of GPT-4”. A pesar de entrenar con una décima parte del tamaño de muestra del artículo original de Orca, los modelos Stable Beluga demuestran un rendimiento excepcional en varios puntos de referencia. A partir del 27 de julio de 2023, Stable Beluga 2 ocupa el primer lugar en la clasificación y Stable Beluga 1 está en cuarto lugar.

  💡 El CEO de Spotify insinúa futuras capacidades de personalización y publicidad impulsadas por IA

Durante la llamada de ganancias del segundo trimestre de Spotify, el CEO Daniel Ek insinuó la posible introducción de funcionalidades adicionales impulsadas por IA en el servicio de streaming. Ek sugirió que la IA podría utilizarse para crear experiencias más personalizadas, resumir podcasts y generar publicidad. Destacó el éxito de la función de DJ lanzada recientemente, que ofrece una selección curada de música junto con comentarios impulsados por IA sobre las canciones y los artistas. Ek también mencionó el posible uso de IA generativa para resumir podcasts, facilitando a los usuarios descubrir nuevo contenido. Además, Ek habló sobre la posibilidad de anuncios de audio generados por IA, que podrían reducir significativamente el costo para los anunciantes de desarrollar nuevos formatos de anuncios. Estos comentarios se producen mientras Spotify busca una patente para un sistema de “síntesis de texto a voz” impulsado por IA, que puede convertir texto en audio de voz similar al humano que incorpora emoción e intención.

 

Artículos

  La sección de “Artículos” presenta una variedad de artículos que hacen reflexionar sobre la inteligencia artificial. Cada artículo profundiza en un tema específico, ofreciendo a los lectores información sobre diversos aspectos de la IA, incluyendo nuevas técnicas, enfoques revolucionarios y herramientas innovadoras.

📰 Interprete de Código ChatGPT: Haga Ciencia de Datos en Minutos

Este artículo de VoAGI presenta el complemento Code Interpreter de ChatGPT, una herramienta que puede analizar datos, escribir código Python y construir modelos de aprendizaje automático. La autora, Natassha Selvaraj, demuestra cómo se puede utilizar el complemento para automatizar diversos flujos de trabajo de ciencia de datos, incluyendo la sumarización de datos, el análisis exploratorio de datos, el preprocesamiento de datos y la construcción de modelos de aprendizaje automático. El Intérprete de Código también se puede utilizar para explicar, depurar y optimizar el código. Natassha enfatiza que, si bien la herramienta es poderosa y eficiente, se debe utilizar como punto de partida para tareas de ciencia de datos, ya que carece de conocimiento específico del dominio y no puede manejar grandes conjuntos de datos que residen en bases de datos SQL. Natassha sugiere que los científicos de datos principiantes y aquellos que aspiran a serlo deberían aprender a aprovechar herramientas como el Intérprete de Código para hacer su trabajo más eficiente.

📰 Los libros de texto son todo lo que necesitas: un enfoque revolucionario para el entrenamiento de IA

Este artículo de VoAGI discute un nuevo enfoque para el entrenamiento de IA propuesto por investigadores de Microsoft, que implica el uso de un libro de texto sintético en lugar de conjuntos de datos masivos. Los investigadores entrenaron un modelo llamado Phi-1 completamente en un libro de texto hecho a medida y encontraron que tuvo un desempeño impresionante en tareas de codificación en Python, a pesar de ser significativamente más pequeño que modelos como GPT-3. Esto sugiere que la calidad de los datos de entrenamiento puede ser tan importante como el tamaño del modelo. El rendimiento del modelo Phi-1 también mejoró cuando se ajustó finamente con ejercicios y soluciones sintéticas, lo que indica que el ajuste fino dirigido puede mejorar las capacidades de un modelo más allá de las tareas para las que fue específicamente entrenado. Esto sugiere que este enfoque basado en libros de texto podría revolucionar el entrenamiento de IA al cambiar el enfoque de la creación de modelos más grandes a la curación de mejores datos de entrenamiento.

📰 Técnica de Ingeniería de Prompt más reciente transforma creativamente los prompts imperfectos en interacciones excelentes para usar la IA generativa

El artículo discute una nueva técnica en la ingeniería de prompts que fomenta el uso de prompts imperfectos. El autor argumenta que la búsqueda de prompts perfectos puede ser contraproducente y que a menudo es más práctico apuntar a prompts “suficientemente buenos”. Las aplicaciones de IA generativa utilizan métodos probabilísticos y estadísticos para analizar prompts y generar respuestas. Por lo tanto, incluso si se utiliza el mismo prompt varias veces, es probable que la IA produzca respuestas diferentes cada vez. El autor sugiere que en lugar de esforzarse por un prompt perfecto, los usuarios deben hacer uso de prompts imperfectos y agregarlos para crear prompts efectivos. El artículo hace referencia a un estudio de investigación titulado “Ask Me Anything: una estrategia simple para promover modelos de lenguaje” que propone un método para convertir prompts imperfectos en robustos mediante la agregación de las predicciones de múltiples prompts efectivos, pero imperfectos.

Recursos de aprendizaje

La sección “Recursos de aprendizaje” enumera contenido educativo útil para aquellos que desean expandir sus conocimientos en IA. Los recursos, que van desde guías completas hasta cursos especializados, se adaptan tanto a principiantes como a profesionales experimentados en el campo de la IA.

📚 LLM University de Cohere: tu puerta de entrada al mundo de los grandes modelos de lenguaje

LLM University de Cohere es un recurso de aprendizaje integral para desarrolladores interesados en el procesamiento del lenguaje natural (NLP) y los grandes modelos de lenguaje (LLM). El plan de estudios está diseñado para proporcionar una base sólida en NLP y LLM, y luego construir sobre este conocimiento para desarrollar aplicaciones prácticas. El plan de estudios se divide en cuatro módulos principales: “¿Qué son los grandes modelos de lenguaje?”, “Representación de texto con puntos finales de Cohere”, “Generación de texto con puntos finales de Cohere” y “Implementación”. Ya seas un nuevo ingeniero de aprendizaje automático o un desarrollador experimentado que busca expandir tus habilidades, LLM University de Cohere ofrece una guía completa al mundo de NLP y LLM.

📚 Gratis de Google: Ruta de aprendizaje de IA generativa

Google Cloud ha lanzado la Ruta de aprendizaje de IA generativa, una colección de cursos gratuitos que abarcan desde los conceptos básicos de IA generativa hasta herramientas más avanzadas como Generative AI Studio. La ruta de aprendizaje incluye siete cursos: “Introducción a la IA generativa”, “Introducción a los grandes modelos de lenguaje”, “Introducción a la generación de imágenes”, “Mecanismo de atención”, “Modelos de transformadores y modelo BERT”, “Crear modelos de generación de subtítulos de imágenes” y “Introducción a Generative AI Studio”. Los cursos cubren una variedad de temas, incluyendo grandes modelos de lenguaje, generación de imágenes, mecanismo de atención, modelos de transformadores, modelo BERT y modelos de generación de subtítulos de imágenes.

Enfoque de investigación

La sección “Enfoque de investigación” destaca investigaciones importantes en el ámbito de la IA. La sección incluye estudios innovadores, exploración de nuevas teorías y discusión de posibles implicaciones y direcciones futuras en el campo de la IA.

🔍 El papel de los grandes modelos de lenguaje en la evolución de la educación en ciencia de datos

El artículo de investigación titulado “El papel de los grandes modelos de lenguaje en la evolución de la educación en ciencia de datos” discute el impacto transformador de los grandes modelos de lenguaje (LLM) en los roles y responsabilidades de los científicos de datos. Los autores argumentan que el surgimiento de los LLM está cambiando el enfoque de los científicos de datos de la codificación práctica a la gestión y evaluación de análisis realizados por sistemas de IA automatizados. Este cambio requiere una evolución significativa en la educación en ciencia de datos, con un mayor énfasis en el cultivo de conjuntos de habilidades diversos entre los estudiantes. Estos incluyen la creatividad informada por los LLM, el pensamiento crítico, la programación guiada por IA y el conocimiento interdisciplinario.

Los autores también proponen que los LLM pueden desempeñar un papel significativo en el aula como herramientas de enseñanza y aprendizaje interactivas. Pueden contribuir a la educación personalizada y enriquecer las experiencias de aprendizaje. Sin embargo, la integración de los LLM en la educación requiere una cuidadosa consideración para equilibrar los beneficios de los LLM mientras se fomenta la expertise humana complementaria e innovación. El artículo sugiere que el futuro de la educación en ciencia de datos probablemente involucrará una relación simbiótica entre los estudiantes humanos y los modelos de IA, donde ambas entidades aprenden y mejoran las capacidades del otro.    

We will continue to update Zepes; if you have any questions or suggestions, please contact us!